Ваши корпоративные ИИ-агенты должны автоматически определять, какая модель подходит для какой задачи. Компания Mindstone создала эту функцию с помощью Rebel.

Платформы для оркестрации ИИ-агентов сегодня растут как грибы после дождя, но Rebel от лондонского стартапа в сфере ИИ-трансформации Mindstone, пожалуй, одна из самых перспективных разработок, с которыми мне доводилось сталкиваться.

Всё потому, что эта система, официально запущенная на этой неделе, представляет собой локальную агентную операционную систему для ИИ, распространяемую по лицензии «Fair Source». Она позволяет командам численностью до 100 пользователей свободно использовать и настраивать ее под свои нужды, в то время как организациям с большим числом пользователей потребуется приобрести корпоративную лицензию.

Её главные особенности — простота и широкие возможности кастомизации под любую команду, какими бы уникальными или специфическими ни были её рабочие процессы. Всё это построено на базе стандартного открытого формата файлов markdown, что формирует уровень организационной памяти. Последний гарантирует, что агенты будут надежно использовать предпочитаемые предприятием модели ИИ для каждой конкретной задачи или даже подзадачи, динамически и предсказуемо переключаясь между локальными и облачными моделями для экономии средств и соблюдения конфиденциальности и безопасности данных по мере необходимости.

«Общая память — это самое мощное средство, которое вы только можете создать для интеллектуального сотрудника с помощью ИИ», — отметил Грег Детре (Greg Detre), технический директор (CTO) Mindstone, в недавнем видеоинтервью для VentureBeat. «У вас возникает ощущение, что компания превращается в суперорганизм, который становится все умнее и умнее».

Rebel уже доступна для macOS на базе процессоров Intel и Apple Silicon, а также для Windows; версия с поддержкой Linux находится в разработке.

Mindstone привлекла 5 миллионов долларов от частных инвесторов, включая Pearson Ventures, Moonfire Ventures и Zanichelli Venture.

Самобытная локальная архитектура на основе файлов markdown

Главная отличительная черта Rebel — ее локальная архитектура.

В отличие от подхода, характерного для сложных фреймворков для разработчиков (таких как LangGraph, CrewAI и AutoGPT), требующих от команд ручной увязки баз данных, облачной инфраструктуры и логики управления состояниями, основные инструкции и память агентов Rebel хранятся в локальных текстовых файлах markdown (.md). Возможно, это самый простой, легкий и популярный способ управления ИИ-агентами, получивший широкое признание среди разработчиков и опытных пользователей по всему миру.

В Mindstone заявляют, что Rebel хранит свои состояния, промпты, инструкции к задачам и иерархию памяти в этих файлах, позволяя пользователям и компаниям легко проверять, перемещать или изменять их по мере необходимости. Основной файл конфигурации agents.md, служит главным уровнем инструкций агента и средой выполнения.

Такой архитектурный выбор отчасти обусловлен соображениями стоимости. В Mindstone утверждают, что привычные офисные форматы, такие как документы Word и PDF, часто содержат избыточные данные форматирования и метаданные, которые расходуют контекстное окно модели и увеличивают затраты на API. Markdown сохраняет информацию максимально близкой к простому тексту, позволяя задействовать большую часть контекстного окна модели для выполнения непосредственной задачи, а не для обработки структуры документа.

Компания также позиционирует этот подход как защиту от привязки к конкретному поставщику (vendor lock-in). Если инструкции, автоматизации и память агентов компании хранятся локально в виде текстовых файлов, они не оказываются заперты внутри интерфейса или базы данных одного SaaS-провайдера. Это приобретает особое значение по мере того, как предприятия начинают предоставлять ИИ-системам более широкий доступ к электронной почте, календарям, документам и внутренним рабочим процессам.

Кроме того, Rebel позволяет пользователям создавать повторяющиеся рабочие процессы ИИ. «Навыки» (Skills) — это сохраненные многоэтапные процедуры, которые агент может использовать повторно. «Операторы» (Operators) корректируют поведение агента для конкретной задачи, например, позволяют изучить презентацию стартапа с точки зрения инвестора или оценить работу через призму безопасности. «Автоматизации» (Automations) могут запускать запланированные фоновые задачи, такие как сканирование сообщений или файлов, поиск актуальных обновлений, подготовка черновиков ответов или предварительная обработка материалов до того, как сотрудник откроет приложение.

Автоматический выбор лучшей, предпочитаемой компанией модели ИИ для каждой задачи (и подзадачи)

Еще одна важная функция — оркестрация нескольких моделей. Rebel может разбивать задачу на части и направлять разные этапы разным моделям, включая распределение между локальными и облачными версиями в зависимости от конфиденциальности информации или корпоративных политик.

Более мощная модель может выполнять планирование или сложное логическое рассуждение; более дешевая — справляться с рутинными операциями; а локальная модель — обрабатывать конфиденциальные этапы или проверки на согласование. Это крайне важно для предприятий, которым требуется гибкость или контроль затрат: далеко не каждая задача должна отправляться в одну и ту же дорогую облачную модель, а некоторые рабочие процессы вообще запрещают вывозить конфиденциальные корпоративные данные за пределы локальной инфраструктуры.

«Я хочу иметь возможность сказать: «Помоги мне с этим», — и чтобы система сама понимала, что является личным, что — конфиденциальным, а чем можно поделиться со всей компанией», — пояснил Детре.

Такая модель, независимая от конкретного вендора, дает компаниям больший контроль над затратами и безопасностью. Работы, требующие обработки больших объемов данных, могут выполняться на более доступных моделях, таких как Llama или DeepSeek. Более сложные рассуждения можно оставить для дорогостоящих моделей. А конфиденциальные задачи можно маршрутизировать через локальную модель, запущенную прямо на устройстве пользователя, что исключает утечку информации с гаджета.

Этот подход также предоставляет корпоративным командам возможность совмещать облачный и локальный инференс, не прибегая к принципу «все или ничего».

Отказываясь от централизованных монолитных облачных интерфейсов в пользу локальной архитектуры на базе файлов, Mindstone предлагает новую модель того, как лица, принимающие технические решения в компаниях, могут оркестрировать автономные рабочие процессы, не жертвуя при этом суверенитетом данных или предсказуемостью.

Как это работает на практике

Технический директор Mindstone Грег Детре спроектировал систему памяти Rebel так, чтобы избежать распространенной проблемы корпоративного ИИ: загрузки огромных массивов информации компании в базу данных в надежде, что поиск впоследствии выдаст нужный контекст.

Вместо этого Rebel использует многоуровневую структуру памяти. При каждом взаимодействии система оценивает вероятность того, что эта информация пригодится в будущем.

Информация с высокой ожидаемой ценностью записывается в локальный файл readme.md, привязанный к определенному пространству проекта. Информация со средней ценностью превращается в ссылку-указатель на более глубокие исторические записи.

Материалы с меньшим приоритетом сохраняются в проиндексированном каталоге памяти, где они остаются доступными, но неактивными до тех пор, пока их не запросит соответствующая задача.

Дашборд окупаемости (ROI) для корпоративных заказчиков

Для крупных организаций в Mindstone Pro предусмотрен дашборд Impact Dashboard, призванный показать, где именно Rebel экономит время и деньги в различных бизнес-подразделениях.

В Mindstone заявляют, что этот дашборд использует отдельную закрытую LLM для оценки телеметрии и расчета влияния на бизнес. По словам представителей компании, система откалибрована консервативно и опирается на нижнюю границу прогнозируемого прироста производительности, чтобы избежать завышенных заявлений об эффективности.

Эта функция решает вполне реальную проблему корпоративных покупателей ИИ: необходимость доказывать ценность внедрения без избыточного контроля за сотрудниками. В Mindstone подчеркивают, что дашборд изолирован от индивидуальных рабочих пространств, что позволяет ИТ-специалистам и бизнес-лидерам оценивать уровень внедрения и окупаемость инвестиций, не читая при этом личную переписку агентов сотрудников.

Лицензия Fair Source призвана снизить риски, связанные с платформой

Mindstone выпускает Rebel по лицензии Fair Source — модели, призванной занять промежуточное положение между полностью закрытым SaaS и гибким открытым исходным кодом.

Согласно этой лицензии, код Rebel доступен для просмотра, аудита, модификации и развертывания. Частные лица и организации с числом одновременных пользователей до 100 могут использовать его бесплатно. Как только организация превышает этот порог, ей требуется коммерческая лицензия Mindstone Pro.

Лицензия также включает двухлетний пункт о прекращении действия (sunset clause). Спустя 24 месяца после выпуска конкретной версии она автоматически переводится под лицензию с открытым исходным кодом MIT.

Для корпоративных заказчиков практический смысл заключается в том, что Rebel снижает риск технологического плена. Если любая автоматизация, файл памяти и инструкция агента хранятся локально в формате markdown, компания в любой момент может перенести свои данные и рабочие процессы в другое место. Продукт может быть коммерческим, но лежащая в его основе работа спроектирована так, чтобы оставаться доступной для проверки и переносимой.

Вопросы безопасности сосредоточены вокруг локальных подтверждений и общей памяти

Дебют Rebel на платформе для обмена технологическими новинками Product Hunt на этой неделе вызвал технические вопросы о том, как локальный агент должен обрабатывать разрешения, проверки безопасности и общую память.

Один из разработчиков, Никита Покрыщенко, поинтересовался, могут ли проверки на одобрение конфиденциальных действий выполняться полностью на локальной модели или логика шлюзования по-прежнему требует обращения к облаку.

Детре ответил, описав разделение в Rebel между планированием, выполнением и фоновой логикой безопасности. Вёле добавил, что компании могут настроить Rebel так, чтобы принимать решения о допуске исключительно на основе локальной модели.

Это различие имеет принципиальное значение для команд корпоративной безопасности. Автономным агентам часто требуются широкие полномочия для чтения файлов, составления черновиков писем или взаимодействия с внутренними системами. Если финальный уровень одобрения зависит от внешней облачной модели, некоторые компании могут рассматривать это как угрозу комплаенсу. Mindstone доказывает, что Rebel способен удерживать эти границы одобрения на локальном уровне.

Второе обсуждение было посвящено тому, как Rebel определяет, какими воспоминаниями можно делиться. Разработчик продукта Клеман Морель (Clement Morel) спросил, определяется ли возможность публикации содержимым, настройками пользователя или приобретенным поведением, и что происходит, если система ошибается.

Детре пояснил, что Rebel использует локальный файл пользователя «Chief-of-staff README» и специализированные пространства для разграничения личной, командной и общекорпоративной информации. Когда агент сталкивается с неоднозначным контекстом, система приостанавливает работу и запрашивает у пользователя подтверждение перед тем, как продолжить.

Такой акцент на прозрачность является частью общей позиции Mindstone против непрозрачных агентских систем. Как выразился генеральный директор Джошуа Вёле (Joshua Wöhle) в посте на своей странице в LinkedIn: «Если агент собирается находиться в вашем рабочем пространстве, запоминать ваш контекст и запрашивать разрешение перед тем, как изменить мир, у вас должна быть возможность увидеть, как он работает. Не потому, что каждый станет читать код, а потому, что кто-то сможет это сделать».

Mindstone ссылается на опыт клиентов как на первое доказательство

В Mindstone заявляют, что Rebel уже развернута в компании Epignosis, насчитывающей 250 сотрудников, и охватывает отделы продаж, разработки, создания продуктов, финансов и работы с клиентами.

«Сегодня вся организация работает на Rebel», — рассказал Вёле изданию VentureBeat.

По словам представителей Mindstone, за 12 недель внедрения Epignosis высвободила эквивалент рабочей мощности восьми штатных сотрудников. Компания отмечает, что распространение происходило органически после того, как сотрудники увидели, как их коллеги автоматизируют трудоемкие задачи — этот феномен сотрудники в шутку назвали «эффектом картошки».

Кейс Epignosis является ключевым в аргументации Mindstone о том, что корпоративный ИИ не следует рассматривать как набор изолированных персональных инструментов. Архитектура общей памяти Rebel создана для того, чтобы рабочие процессы могли перемещаться между командами и совершенствоваться по мере того, как все больше сотрудников начинают их использовать.

«Грань между обучением и действием стирается — и это меняет абсолютно всё в том, как вы масштабируетесь», — заявил генеральный директор Epignosis Димитрис Тсингос (Dimitris Tsingos) в заявлении, предоставленном VentureBeat компанией Mindstone.

Справочная информация о Mindstone

Компания Mindstone Learning Limited со штаб-квартирой в Лондоне начала работу в 2020 году под руководством генерального директора Джошуа Вёле, ранее бывшего соучредителем компании по цифровой безопасности детей SuperAwesome. Изначально позиционируясь на рынке потребительских образовательных технологий, компания создала инструмент цифрового модерирования, напоминающий «Spotify для обучения», в котором использовались методики комплексного обучения.

Однако после масштабной коммерциализации платформ генеративного искусственного интеллекта в период с 2022 по 2024 год Mindstone переключилась на поддержку корпоративного сектора (B2B). Руководство выявило критический барьер «последней мили»: хотя ИИ-инструменты обещали существенный прирост производительности, традиционное корпоративное обучение не могло подготовить персонал к их практической интеграции в ежедневные операции.

Сегодня Mindstone функционирует как комплексная экосистема корпоративного ПО и обучения, призванная максимизировать отдачу от инвестиций бизнеса в уже имеющиеся лицензии на ИИ. Архитектура продуктов систематически охватывает различные организационные уровни с помощью высококонтекстуализированных программных приложений реального времени, а не абстрактных презентаций.

В финансовом плане Mindstone использует гибридную стратегию капитализации, которая переплетает институциональный венчурный капитал от таких структур, как Moonfire Ventures и Pearson Ventures, с общественным краудфандингом капитала на платформах вроде Seedrs и Crowdcube.

Mindstone успешно проникла на корпоративный рынок, заключив коммерческие контракты с такими авторитетными компаниями, как The Home Depot, Hyatt Hotels Corporation, Pearson и Ernst & Young.

В конечном счете Mindstone позиционирует себя как важнейшее противоядие от корпоративной инертности, гарантируя, что организации сформируют внутренние компетенции, необходимые для успешного проведения ИИ-трансформаций.

Ставка Mindstone: корпоративному ИИ нужна общая память, а не новые рабочие места

Rebel появляется в тот момент, когда компании пытаются перейти от экспериментов с ИИ к полноценной работе с ним. Первая волна корпоративного внедрения была сосредоточена на доступе: сотрудникам давали чат-ботов, второпилотов (copilots) и подписки на модели. Mindstone делает ставку на то, что следующий этап будет посвящен координации.

Это означает общую память, переиспользуемые рабочие процессы, локальный контроль, гибкую маршрутизацию моделей и измеримый бизнес-эффект. Это также означает предоставление предприятиям возможности проверять системы, которым их просят доверять.

Главная задача компании сейчас — реализация. Локальное ПО может быть сложнее в управлении, чем облачные SaaS-решения. Общая память порождает вопросы управления и контроля (governance). Мультимодельная маршрутизация добавляет сложности. И компаниям по-прежнему будут нужны доказательства того, что агентные процессы могут обеспечивать надежный прирост производительности без создания угроз безопасности или комплаенсу.

Тем не менее, Mindstone формулирует четкий тезис: покупка рабочих мест с ИИ не равна созданию ИИ-инфраструктуры. Rebel — это попытка превратить разрозненные эксперименты сотрудников в единый операционный слой для работы.